Šiuolaikiniame pasaulyje tvarkymasis su duomenimis tapo esminiu kūrėjų ir analitikų įgūdžiu. Viena galinga biblioteka, padedanti atlikti duomenų analizę, yra panda, kuris sukurtas ant Python programavimo kalbos. Šiame straipsnyje apžvelgsime, kaip įdiegti pandas Python naudojant git, suprasti bibliotekos darbą ir ištirti įvairias funkcijas, kurios padės atlikti duomenų analizės užduotis. Taigi, pasinerkime tiesiai į tai.
Pandų diegimas naudojant Git
Norėdami įdiegti pandas naudodami Git, pirmiausia turite klonuoti pandų saugyklą iš GitHub į vietinį kompiuterį. Kai turėsite saugyklos kopiją, galite atlikti toliau nurodytus veiksmus, kad viską tinkamai nustatytumėte.
git clone git://github.com/pandas-dev/pandas.git cd pandas python -m venv venv source venv/bin/activate # On Windows use `venvScriptsactivate` pip install -e .
Aukščiau pateiktas kodas atlieka šiuos veiksmus:
- Klonuoja pandų saugyklą.
- Pakeičia dabartinį katalogą į aplanką pandos.
- Sukuria virtualią aplinką, vadinamą „venv“.
- Suaktyvina virtualią aplinką.
- Įdiegia pandas redaguojamu režimu, kuris leis tiesiogiai modifikuoti šaltinio kodą.
Dabar, kai įdiegėme pandas per „Git“, galime pradėti dirbti su ja „Python“.
Darbo su pandomis pradžia
Norėdami pradėti naudoti pandas, turėsite importuoti biblioteką į savo Python kodą. Tai galite padaryti naudodami šią komandą:
import pandas as pd
Kai pandos dabar yra importuotos, galite pradėti dirbti su įvairių formatų duomenų rinkiniais, pvz., CSV, Excel ar SQL duomenų bazėmis. „Pandas“ naudoja dvi pagrindines duomenų struktūras duomenų apdorojimui: DataFrame ir serija.
„DataFrame“ yra dvimatė lentelė su pažymėtomis ašimis, o serija yra vienmatis, pažymėtas masyvas. Šios duomenų struktūros leidžia atlikti įvairias operacijas ir duomenų analizę.
Duomenų įkėlimas ir tyrinėjimas
Norėdami parodyti, kaip naudoti pandas, apsvarstykite duomenų rinkinio pavyzdį – CSV failą su išsamia informacija apie skirtingus produktus, jų kategorijas ir kainas. Galite įkelti failą ir sukurti DataFrame taip:
data = pd.read_csv('products.csv')
Norėdami peržiūrėti DataFrame turinį, naudokite šią komandą:
print(data.head())
Šios galva() funkcija grąžina pirmąsias penkias DataFrame eilutes. Taip pat galite atlikti kitas operacijas, pvz., skaičiuoti statistiką, filtruoti duomenis ir manipuliuoti stulpeliais naudodami pandų funkcijas.
Išvada
Per šį straipsnį sužinojome, kaip tai padaryti įdiekite pandas į Python naudodami Git ir išnagrinėjo pagrindines bibliotekos sąvokas, tokias kaip DataFrames ir Series. Be to, sužinojome apie duomenų įkėlimą ir tyrinėjimą naudojant pandų funkcijas. Turėdami šias pagrindines sąvokas, dabar turite žinių, reikalingų duomenų analizės užduotims atlikti savo projektuose. Toliau dirbdami su pandomis būtinai ištirkite daugybę funkcijų ir metodų, kuriuos gali pasiūlyti ši galinga biblioteka – duomenų pasaulyje visada galima sužinoti daugiau!
